論文の概要: A Strategy Optimized Pix2pix Approach for SAR-to-Optical Image
Translation Task
- arxiv url: http://arxiv.org/abs/2206.13042v1
- Date: Mon, 27 Jun 2022 04:41:37 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-29 03:19:37.033638
- Title: A Strategy Optimized Pix2pix Approach for SAR-to-Optical Image
Translation Task
- Title(参考訳): SAR-to-Optical画像変換タスクにおけるPix2pix手法の最適化
- Authors: Fujian Cheng, Yashu Kang, Chunlei Chen, Kezhao Jiang
- Abstract要約: 最先端フレームワークTGCNN(Time Gated Convolutional Neural Network)
TGCNNは、作物分類問題に対する時間情報とゲーティング機構を利用する。
この地球観測時系列分類作業において,TGCNNが有利であることを示す。
- 参考スコア(独自算出の注目度): 0.9176056742068814
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presented a state-of-the-art framework, Time Gated Convolutional
Neural Network (TGCNN) that takes advantage of temporal information and gating
mechanisms for the crop classification problem. Besides, several vegetation
indices were constructed to expand dimensions of input data to take advantage
of spectral information. Both spatial (channel-wise) and temporal (step-wise)
correlation are considered in TGCNN. Specifically, our preliminary analysis
indicates that step-wise information is of greater importance in this data set.
Lastly, the gating mechanism helps capture high-order relationship. Our TGCNN
solution achieves $0.973$ F1 score, $0.977$ AUC ROC and $0.948$ IoU,
respectively. In addition, it outperforms three other benchmarks in different
local tasks (Kenya, Brazil and Togo). Overall, our experiments demonstrate that
TGCNN is advantageous in this earth observation time series classification
task.
- Abstract(参考訳): 本稿では,時系列情報とゲーティング機構を活用し,作物分類問題に対する最先端の枠組みであるtgcnn(time gated convolutional neural network)を提案する。
さらに、入力データの次元を拡大してスペクトル情報を活用するために、いくつかの植生指標を構築した。
tgcnnでは、空間的(チャネル的)と時間的(ステップ的)の相関が考慮される。
具体的には,このデータセットにおいてステップワイズ情報がより重要であることを示す予備分析を行った。
最後に、ゲーティング機構は高次関係を捉えるのに役立つ。
我々のTGCNNソリューションは、それぞれ0.973$F1スコア、0.977$AUC ROC、0.948$IoUを得る。
さらに、別のローカルタスク(ケニア、ブラジル、トーゴ)で他の3つのベンチマークを上回っている。
この地球観測時系列分類作業において,TGCNNが有利であることを示す実験を行った。
関連論文リスト
- Corner-to-Center Long-range Context Model for Efficient Learned Image
Compression [70.0411436929495]
学習された画像圧縮のフレームワークでは、コンテキストモデルは潜在表現間の依存関係をキャプチャする上で重要な役割を果たす。
本研究では,textbfCorner-to-Center 変換器を用いたコンテキストモデル (C$3$M) を提案する。
また,解析および合成変換における受容場を拡大するために,エンコーダ/デコーダのLong-range Crossing Attention Module (LCAM) を用いる。
論文 参考訳(メタデータ) (2023-11-29T21:40:28Z) - PAIF: Perception-Aware Infrared-Visible Image Fusion for Attack-Tolerant
Semantic Segmentation [50.556961575275345]
対向シーンにおけるセグメンテーションの堅牢性を促進するための認識認識型融合フレームワークを提案する。
我々は,先進の競争相手に比べて15.3% mIOUの利得で,ロバスト性を大幅に向上させることを示す。
論文 参考訳(メタデータ) (2023-08-08T01:55:44Z) - Unsupervised Light Field Depth Estimation via Multi-view Feature
Matching with Occlusion Prediction [15.421219881815956]
監督訓練に十分な深度ラベルを得ることは費用がかかる。
本稿では,LF画像から深度を推定するための教師なしフレームワークを提案する。
論文 参考訳(メタデータ) (2023-01-20T06:11:17Z) - Generative Adversarial Network (GAN) based Image-Deblurring [0.0]
スペクトル正則化手法の有効性を示し、スペクトルフィルタリング結果と正則化最適化の解とのリンクを指摘する。
画像の劣化のような不適切な問題に対して、最適化の目的は、我々の以前の知識をソリューションにエンコードする正規化項を含む。
ワッサーシュタイン生成逆数モデルの概念に基づき、正規化関数を学ぶためにCNNを訓練することができる。
論文 参考訳(メタデータ) (2022-08-24T15:46:09Z) - Hierarchical Similarity Learning for Aliasing Suppression Image
Super-Resolution [64.15915577164894]
エイリアスの影響を抑制するために階層画像超解像ネットワーク(HSRNet)を提案する。
HSRNetは、他の作品よりも定量的かつ視覚的なパフォーマンスを向上し、エイリアスをより効果的に再送信する。
論文 参考訳(メタデータ) (2022-06-07T14:55:32Z) - Provable Stochastic Optimization for Global Contrastive Learning: Small
Batch Does Not Harm Performance [53.49803579981569]
各正の対と全ての負の対をアンカーポイントで対比する、コントラスト学習のグローバルな目的を考える。
SimCLRのような既存のメソッドは、十分な結果を得るために大きなバッチサイズを必要とする。
本稿では,SogCLRという表現のグローバルコントラスト学習を解くためのメモリ効率の最適化アルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-02-24T22:16:53Z) - Unpaired Image Super-Resolution with Optimal Transport Maps [128.1189695209663]
実世界の画像超解像(SR)タスクは、しばしば、教師付き技術の適用を制限するペアデータセットを持っていない。
本稿では,非バイアスのOTマップを知覚輸送コストで学習する未ペアSRのアルゴリズムを提案する。
我々のアルゴリズムは、大規模無人AIM-19データセット上で、最先端のパフォーマンスをほぼ提供する。
論文 参考訳(メタデータ) (2022-02-02T16:21:20Z) - Perceptual Loss for Robust Unsupervised Homography Estimation [1.2891210250935146]
BiHomEは、ソース視点からの歪んだ画像とターゲット視点からの対応する画像との間の特徴空間における距離を最小化する。
我々は、biHomEが合成COCOデータセットの最先端のパフォーマンスを達成することを示しています。
論文 参考訳(メタデータ) (2021-04-20T14:41:54Z) - Greenhouse Segmentation on High-Resolution Optical Satellite Imagery
using Deep Learning Techniques [0.0]
本稿では,光衛星アゼルスキー (SPOT-7) が取得した画像の画素ワイズ分類のための音響手法を提案する。
U-Netのようなアーキテクチャのカスタマイズされたバリエーションは、温室を特定するために使用される。
拡張畳み込みとスキップ接続を独自に組み込んだ2つのモデルが提案されている。
論文 参考訳(メタデータ) (2020-07-22T06:12:57Z) - Image Fine-grained Inpainting [89.17316318927621]
拡張畳み込みの密結合を利用してより大きく効果的な受容場を得る一段階モデルを提案する。
この効率的なジェネレータをよく訓練するために、頻繁に使用されるVGG特徴整合損失を除いて、新しい自己誘導回帰損失を設計する。
また、局所的・グローバルな分枝を持つ識別器を用いて、局所的・グローバルな内容の整合性を確保する。
論文 参考訳(メタデータ) (2020-02-07T03:45:25Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。